一种有效的水下目标运动分析算法与仿真研究

研究了基于纯方位观测的水下目标运动分析(TMA)原理及方法,针对常用粒子滤波算法在水下目标运动分析中存在的后验概率选择问题及粒子退化现象,通过分析问题产生的原因,提出了一种基于改进粒子滤波算法的水下目标运动分析方法。该算法首先结合了扩展卡尔曼滤波与粒子滤波算法(EKF-PF)各自的优势,同时考虑到粒子退化现象,并将马尔科夫链蒙特卡洛方法(MCMC)应用于EKF-PF算法中。与传统粒子滤波算法相比较,该算法不仅提高了重要性密度函数准确度,同时还克服了粒子退化问题,而且对重采样带来的采样枯竭也有很好的抑制作用。通过仿真实验表明该算法有效,且估计精度有较大的提高。     

基于EKF及弹道方程的弹道目标跟踪滤波器设计

针对地面跟踪雷达多目标、低数据率、高跟踪精度要求,提出了基于弹道运动方程的扩展卡尔曼滤波(extended Kalman filter, EKF)算法。建立了导弹被动段精确的质心运动方程,改进了EKF算法,经过与传统的基于常加速模型的EKF算法和基于弹道运动方程的无迹卡尔曼滤波(unscented Kalman filter, UKF)算法比较,验证了基于弹道运动方程的EKF具有低数据率下滤波精度高、计算量小等优点,解决了地面跟踪雷达实际中遇到的问题。     

Mean shift在目标跟踪中的应用

首先总结了Mean shift的发展过程,并且分析了Mean shift算法的参数少,鲁棒性强,快速实现模式计算的特点,然后根据它在目标跟踪中的应用,总结了该算法核函数直方图对目标的特征描述比较弱,容易陷入局部最大值,不能适应目标多自由度变化的缺点,针对缺点提出的不同的改进方法进行了归纳,最后对未来的发展进行了预测。     

一种改进粒子滤波器在雷达目标跟踪中的应用

在实际雷达目标跟踪系统中,雷达量测常受到闪烁噪声干扰,传统卡尔曼或扩展的卡尔曼滤波算法在闪烁噪声环境下,滤波性能将急剧下降甚至滤波发散。提出了将粒子滤波与无迹变换结合的改进粒子滤波算法UPF(uncented particle filter)应用在雷达目标跟踪中,解决了闪烁噪声情况下雷达目标跟踪问题。仿真结果表明,在高斯条件下扩展的卡尔曼算法和基于无迹变换的粒子滤波算法跟踪性能相近,但在闪烁噪声环境下,随着闪烁影响的增强,扩展的卡尔曼算法跟踪性能严重下降,而UPF算法能保持较好的跟踪精度。     

多水听器分布式扩展Kalman滤波融合算法

数据融合是信号处理领域非常引人注目的问题。在极坐标系下改进了直角坐标系下的扩展Kalman滤波算法,利用多传感器融合的基本理论,提出了用于水下目标的多水听器分布式扩展Kalman滤波融合算法。分别在目标不发生规避和目标发生规避两种情形下进行了仿真实验。结果表明,所提出的融合算法具有很好的跟踪性能,非常适合于工程的实际应用。     

视频监视中运动目标的检测与跟踪算法

提出一种视频监视中运动目标的精确检测、提取以及跟踪算法。该算法采用基于自适应背景图像估计与当前多帧图像的混合差实现快速精确地检测和提取目标 ,使用扩展的Kalman滤波器预测运动目标下一时刻可能处于的区域 ,缩小了目标跟踪时的搜索范围。充分利用运动目标检测的结果 ,提高了目标的匹配效率及跟踪速度。     

地面多个运动目标成像及定位问题的研究

针对合成孔径雷达正侧视工作体制下多个独立运动目标成像以及定位问题进行了研究。对经提出的运用距离历程拟合方法估计单个目标运动参数的算法进行了修正,准确地估计了t=0时刻各个目标的坐标和两维速度。基于估计的运动参数,设计各个目标独立的匹配滤波器,同时对运动参数不同的多个独立目标进行成像,解决了以往多个独立运动目标成像中的一个目标清晰成像,其它目标则会模糊的问题。着重分析了目标运动参数估计的精度以及影响估计精度的因素。     

机载合成孔径雷达运动目标成像研究

研究运动目标成像的关键技术:距离迁徙校正和运动参数检测。利用广义二阶key-stone变换校正距离迁徙,提出不同消失矩的小波检测运动参数方法,适合硬件实现。通过广义二阶key-stone变换和Radon变换实现多运动目标数据的分割;超分辨方法处理获得清晰的多运动目标图像。通过X波段SAR运动目标实际数据验证了算法的有效性,在高信杂比的情况下,可得到比时频分析方法分辨率更高的运动目标图像。     

UPF算法及其在目标跟踪问题中的应用

针对传统粒子滤波(PF)算法的缺陷,提出了一种改进的粒子滤波(UPF)算法。该算法以UKF方法生成替代分布并从中采样,解决了传统PF算法中以转换先验密度函数作为替代分布所引发的各种问题。对UPF算法进行了深入的分析研究,并给出了一个纯方位目标跟踪问题的仿真算例。理论分析与仿真结果均表明,改进算法提高了滤波的稳定性和精确性,具有较高的实用价值和广泛的应用前景。     

一种运动目标提取方法及其应用

介绍了一种利用高阶统计量(higherorderstatistics,HOS)提取视频序列中运动目标的新方法,并将其应用到人脸识别技术中。利用HOS对高斯噪声的不敏感性分离运动区域和背景,进一步提取出运动目标。当提取出的视频序列中的运动对象为人体时,利用主元素分析法(principlecomponentanalysis,PCA)进行人脸识别。实验证明,算法计算简单,速度快,用于人脸识别时能正确提取出运动的人体。     

多被动传感器UKF与EKF算法的应用与比较

针对多被动传感器条件下的目标跟踪问题,给出了推广卡尔曼滤波在多被动传感器条件下的具体算法;考虑到多被动传感器目标跟踪需要解决观测非线性的问题,故而将用于非线性系统的基于UT变换的UKF算法应用于所讨论的跟踪问题中,采用检测融合方案,将多个被动传感器的角度观测组合成量测向量,推导了多被动传感器的UKF滤波算法,实现了对目标在三维空间中的全被动跟踪.将两种算法进行了仿真比较,结果表明,采用多被动传感器的UKF算法可以获得比传统的推广卡尔曼滤波算法更为精确的跟踪效果.     

UKF算法及其在目标被动跟踪中的应用

利用了一种用于非线性系统的,基于无迹变换的Kalman滤波算法的一个新的扩展方法—UKF,推导了应用于方位角预测和纯方位跟踪两个方面的UKF滤波算法,并给出了具体步骤。仿真说明了在目标跟踪领域,应用该方法比以往EKF类的方法在滤波精度上明显提高,并且在实际应用中,由于该算法实现简单、计算量小而增强了可用性。     

改进的主峭度分析算法及其在高光谱图像小目标检测中的应用

由于高光谱图像维数较高,因而在利用高光谱图像进行目标检测之前会先进行数据降维。主成分分析变换和最大噪声成分变换是高光谱图像处理领域最为经典和常用的两种降维方法。它们以图像的方差和信噪比为指标进行降维,是基于二阶统计信息的方法。小目标由于其本身的特点可能会被经过该类方法降维后舍弃掉,而基于高阶统计特性的主峭度分析算法能够很好的解决这类问题。该方法能够提取基于二阶统计信息进行降维后无法保持的小目标信息,从而有效的检测到小目标。但主峭度分析算法的收敛速度较慢、计算时间较长,因而本文提出了一种改进的主峭度分析算法,改进的主峭度分析算法可以提高算法的收敛速度、减少算法的迭代次数。仿真实验表明,改进的主峭度分析算法能够缩短计算时间,提高算法的收敛速度。     

空间交叉阵被动声定位算法及其性能分析

线性声阵被动目标定位方法无法准确确定方向,而平面十字交叉声阵被动目标定位虽然可以基本确定目标的方位角和俯仰角,但定位精度较低,而且当目标的俯仰角较大时,误差越来越大。研究了空间七元交叉阵的目标被动声定位算法及其性能。分别就目标测向和测距的精度进行了理论分析和计算,讨论了阵列尺寸和时延估计等诸因素对空间七元阵定位性能的影响,而且提出了简化的空间五元声阵定位方法。实验结果显示提高了俯仰角的定位精度,尤其在大俯仰角情况下的方向定位更精确。对空中和水下的运动目标被动声定位的实际工程应用有重要的参考意义。     

空基无源相干定位系统的机动目标跟踪算法

针对空基无源相干定位系统中外辐射源状态不确定性对机动目标跟踪精度的影响,提出了一种基于多模型预测的双变量容积卡尔曼滤波算法.首先建立了机动目标跟踪的系统模型,并确定了多模型集.然后基于多模型思想,将模型交互步骤增加到状态预测步骤之后,对状态预测值进行交互融合,得到最优的状态预测值.为解决固定的马尔可夫转移概率导致系统跟...     

平方根椭球状态定界及其并行计算

提出了一种易于脉动阵列实现的平方根椭球状态定界算法。算法将椭球形状矩阵的平方根进行递推计算,使得计算的数值稳定性得以提高。由于平方根算法具有矩阵与矩阵以及矩阵与向量的运算形式,因而适合在并行处理器上执行。为了并行计算,给出了实现此平方根算法的脉动阵列结构。计算复杂性分析显示,若系统状态维数为n,串行计算的计算复杂度至少为O(n3),而并行计算的计算复杂度降为O(n)。仿真结果验证了本方法的有效性。     

Metropolis-Hastings自适应算法及其应用

首先阐述Metropolis-Hastings算法实现的具体步骤,然后证明由此产生的Markov链满足细致平衡条件,从而以目标分布为不变分布.接下来给出几个计算实例,以说明提议函数及其方差的选取对采样结果的影响,并由此推出一种改进的自适应算法用以寻找合适的提议函数及其方差.最后,通过贝叶斯Logistic模型的例子说明M-H方法在贝叶斯分析中的应用,同时也检验M-H自适应算法的效果.     

约束最小二乘无源定位算法的求解与分析

针对约束最小二乘无源定位算法中最优Lagrange乘数的求解问题,提出了新的计算方法。通过详细分析该定位算法的最优化问题求解过程,给出了求解最优Lagrange乘数的准确公式,同时将其转化为等价的多项式方程,并推导了相应的多项式方程系数。通过仿真实验,分析了最小二乘定位算法的性能,重点分析了最优Lagrange乘数的选取对算法性能的影响,并给出了经验选取方法,验证了所提方法的正确性和有效性。     

分布式被动传感器轨迹关联算法性能分析

轨迹关联算法性能分析是天基光学被动跟踪系统中尚待解决的一个重要问题,给出针对基于倾角差准则的二维指派轨迹关联算法的性能分析新方法。该方法首先对在正确关联和错误关联条件下的倾角差统计量的概率分布进行准确建模,接着分析关联算法的等价条件,最后推导关联算法的理论关联性能。不同条件下的理论分析性能与Monte Carlo仿真结果表明,角度测量误差、目标间距、目标间的射向差别等都是影响轨迹关联性能的重要因素,这为工程应用提供了参考。